基于塑性成形數(shù)值仿真的知識繁衍技術研究.pdf

1、領域知識對于指導塑性成形工藝與產品設計至關重要，是建立塑性成形基于知識的工程(KBE)系統(tǒng)的基礎。數(shù)值仿真技術在塑性加工領域的廣泛應用極大地改變了傳統(tǒng)的工藝設計流程，提高了設計效率和質量，降低了開發(fā)費用。然而()數(shù)值模擬產生的結果數(shù)據(jù)是海量、復雜和抽象的，其中蘊涵了大量隱含、潛在有用的知()前對有限元結果的解釋主要依賴科學計算可視化技術，由設計者根據(jù)自身知識與經(jīng)驗決策()而對于仿真結果中存在的隱含工藝知識卻鮮有研究，造成了大量有用知識的

2、流失，不利于產品開發(fā)的創(chuàng)新需求。如何基于塑性成形數(shù)值仿真結果數(shù)據(jù)進行知識繁衍為工藝與產品的設計服務，是學術界和工業(yè)界的迫切需求。 本文在對塑性成形過程數(shù)值仿真及塑性工程領域KBE技術發(fā)展現(xiàn)狀進行全面回顧和分析的基礎之上，借鑒數(shù)據(jù)挖掘技術在商業(yè)、金融等領域的成功經(jīng)驗，將知識繁衍技術引入塑性成形智能設計領域。在分析總結數(shù)值仿真數(shù)據(jù)知識獲取的特點的基礎上，結合塑性成形產品的設計流程，建立了基于塑性成形數(shù)值仿真結果數(shù)據(jù)的知識繁衍原型系統(tǒng)

3、KDFNS，并對系統(tǒng)的關鍵技術進行了較為深入的研究。 本文提出并構造了基于STEP標準的有限元仿真數(shù)據(jù)集成模型，建立了有限元數(shù)據(jù)的EXPRESS-G圖示和EXPRESS語言的數(shù)據(jù)表示模型，提出了其與關系數(shù)據(jù)庫之間的數(shù)據(jù)類型映射方法，采用C++語言通過早綁定技術編譯并連接后，建立SDAI接口，完成對仿真數(shù)據(jù)的訪問。 研究了仿真數(shù)據(jù)特征的提取技術，建立了仿真數(shù)據(jù)對象之間的相似性判別特征、部件成形性能特征、有限元模型中的曲線特

4、征等。提出了基于PCA算法的特征構造技術，并通過模糊集理論描述塑性成形范疇中不明確的概念類。針對基于單特征和多特征的概念構造，提出分別采用FCM算法和PCA-FCM算法獲取對象的模糊隸屬度，并通過汽車部件相似性歸類和沖壓回彈質量等級評定兩個具體實例說明了該方法的有效性。 基于模糊集理論和粗糙集理論，定義了對象間的模糊不可區(qū)分關系；在此基礎之上，擴展了Pawlak經(jīng)典粗糙集理論，創(chuàng)新性地建立了模糊粗糙近似模型，提出了模糊-粗糙集算

5、法。同時，定義了一個新的知識質量度量—規(guī)則可靠度，以便更準確地描述所獲取知識的可信程度，便于規(guī)則調度與知識推理。 本文將知識繁衍技術引入工程設計優(yōu)化中，較為有效地解決了目前基于數(shù)值仿真的最優(yōu)化過程所存在的迭代次數(shù)多、仿真時間長及易陷入局部最優(yōu)等問題，創(chuàng)新性地提出了針對不同仿真規(guī)模的基于歸納學習與局部搜索的混合智能優(yōu)化方法以及基于歸納學習與響應面設計的智能優(yōu)化方法，有利于提高設計效率與設計質量。 基于對上述關鍵技術的研究，